待验证50% 置信发布精确时间
OpenAI发布GeneBench Pro研究基准测试，包含129个评估任务，涵盖10个主要领域和21个细分方向，前沿模型最高得分31.5%
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/19
首次发现
有效期至：2026/10/17
来源
相关事实
待验证字节跳动发布EdgeBench基准测试，用于评估自主AI Agent的长期学习能力，涵盖134个跨6大类别任务，已公开51个任务71% 相似待验证GeneBench-Pro是一个新发布的基准测试，旨在系统性评估AI在基因组学、生物学以及科学研究场景中的真实表现69% 相似待验证OpenAI、Anthropic等机构已开始采用动态基准（Dynamic Benchmarks）策略，定期更新测试集并引入对抗性样本以保持评估效度66% 相似待验证AISI的评估采用多层次测试框架，参照CVE数据库中的真实案例，同时设计全新挑战场景测试模型泛化能力66% 相似待验证标准AI基准测试包括MMLU（涵盖57个学科的综合知识测试）、GPQA（研究生级别专业问答）、SWE-bench（真实软件工程任务）、HumanEval和MBPP（编程能力）、MATH和GSM8K（数学推理）66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/561863API
curl https://kongchang.com/api/v1/knowledge/claims/561863MCP
get_claim(id=561863)